一种新的精子图像分割与识别算法

合集下载

一种基于深度学习的精子尾部识别方法

TECHNOLOGY AND INFORMATION162 科学与信息化2022年1月上一种基于深度学习的精子尾部识别方法关天下傅彰凯(通讯作者)四川大学华西第二医院四川成都 610041摘要精子数量的多少是衡量男性生殖能力的重要指标，传统方法是通过显微镜和摄像系统放大并采集显微镜下动态图像，对图像中的精子进行计数或识别，但由于精液中含有很多的非精子成分（圆细胞、杂质等），会影响到对精子数量的判断。

通过实验证明，本方法取得了比较好的效果，优点是通过精子尾部的识别，过滤掉精液中的非精子细胞或杂质，清晰的地呈现精液中的精子数量，为临床提供了很好的数据支撑。

关键词深度学习；精子尾部形态；人工智能A Method of Sperm Tail Recognition Based on Deep Learning Guan Tian-xia, Fu Zhang-kai （corresponding author ）West China Second University Hospital, Sichuan University, Chengdu 610041, Sichuan Province, ChinaAbstract The number of sperm is an important indicator to measure male reproductive ability. The traditional method is to magnify and collect dynamic images under the microscope through a microscope and camera system, and to count or identify the sperm in the image, however the semen contains a lot of non-sperm components (round cells, impurities, etc.), which will affect the judgment of sperm count. Experiments have shown that this method has achieved relatively good results. The advantage is that through the identification of the sperm tail, non-sperm cells or impurities in the semen are filtered, and the number of sperm in the semen is clearly displayed, which provides good data support for clinical practice.Key words deep learning; sperm tail morphology; artificial intelligence引言在20世纪80年代末基于精子质量计算机辅助分析技术得到了迅速发展。

一种精子形态分析方法和装置[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202110083620.6(22)申请日 2021.01.21(71)申请人苏敬勇地址 518000 广东省深圳市南山区朗麓家园15栋1903(72)发明人苏敬勇　彭博濠　李克洲　姜东志　(74)专利代理机构深圳市智胜联合知识产权代理有限公司 44368代理人齐文剑(51)Int.Cl.G06T 7/00(2017.01)G06T 7/62(2017.01)G06K 9/00(2006.01)G06N 3/04(2006.01)(54)发明名称一种精子形态分析方法和装置(57)摘要本发明实施例提供了一种精子形态分析方法及装置，采用斑点检测算法检测出原始精子形态图像中的斑点位置，并用预设尺寸的框标记斑点位置，作为精子头部区域；利用预训练好的残差神经网络模型对精子头部区域进行质量识别分类；利用预训练好的UNET全卷积神经网络对精子头部区域进行图像分割，得到标记有顶体、细胞核、中段和背景四部分的第一标记图像；计算第一标记图像中被标记为顶体和中段的所有像素的连通域，在面积最大的两个目标连通域中利用像素数比值进行重新标记，得到第二标记图像；并输入到预设评价模型中得到第二分类结果。

通过对多样的精子形态学参数进行分析，得到准确的分析结果，减少评测错误概率，提高分析效率。

权利要求书3页说明书11页附图2页CN 112801967 A 2021.05.14C N 112801967A1.一种精子形态分析方法，其特征在于，包括：获取待分析的原始精子形态图像；采用斑点检测算法检测出所述原始精子形态图像中的斑点位置，并用预设尺寸的框标记所述斑点位置，作为精子头部区域；利用预训练好的残差神经网络模型对所述精子头部区域进行质量识别，得到第一分类结果；利用预训练好的UNET全卷积神经网络对所述精子头部区域进行图像分割，得到标记有顶体、细胞核、中段和背景四部分的第一标记图像；计算所述第一标记图像中被标记为顶体和中段的所有像素的连通域，筛选出面积最大的两个连通域作为目标连通域，利用被划分为中段的像素个数与所述目标连通域像素总数的比值重新标记，将比值大的目标连通域重新标记为中段，将比值小的目标连通域重新标记为顶体，并得到第二标记图像；利用所述第二标记图像计算出精子形态学参数；将所述精子形态学参数输入到预设的评价模型中得到第二分类结果；基于所述第一分类结果和所述第二分类结果进行评价，得到分析结果。

一种改进的大鼠精子图像分割及计数算法

，
法，即通过外形、性状和系谱进行选择。这种选择方法在很
大程度上可以选择生育能力优良的牲畜，但是并不能排除变
异或是先天、后天性动物生育能力受到的损伤的情况，从而
给生产带来不必要的损失。精子运动能力是动物生育能力的重要指标，常规的精液分析包括精液量、液化时间、ｐＨ值、
摘
要：传统Ｏｔ法在分割大鼠精子图像过程中存在实时性较差的问题。为此，提出一种新的图像分割算法，基于改进的Ｏｔｓｕｓｕ法对大鼠
精子图像进行分割，利用Ｎｗｏｅｔｎ迭代法缩短算法执行时间，根据形状因子去除杂质，应用形态学在每个精予目标上显示数字标记。实验
大程度上依赖于初始７的选择，如果选择不合理，效果则不１
明显。为此，本文提出一种改进的精子图像分割及计数算法。
第３７卷第７期
Ｖ０＿７１３
・
计
算
机
工
程
２１年４月０１
Ａｐｒｌ０１ｉ２１
ＮＯ７．
ＣｏｐｕｅｍｔｒＥｎｇｎｅｒｎｇｉｅｉ
图形图像处理・
一
பைடு நூலகம்
文章编号：１０３８０１７Ｊ３０文献标识码：０４（１ｏ＿２ — ３２２）一４Ａ
１概述
目前，中国养殖业选择配种牲畜的办法大多按照传统方
素的集合设为ｚ，分别算出和２中的像素的平均值丁、１通过在区问【１中使用Ｏｓｒ，ｌｔｕ算法搜索分割最佳阈值，从而避免了在整个灰度级上搜索最佳闽值，但是这种算法很

精子动态简单操作步骤及流程图

精子检测简单操作步骤
1、请先将精液标本调试成与此图显示一样再进行检测( 注：必须在软件活动显示区）如图：此图为20倍物镜下显示
2、如有恒温台的情况下：提前将计数板放置在恒温台上预热一会。

3、待精液液化后，制备精液分析标本。

方法是：用微量吸管将定量的精液（不超过5μl）滴在清洁计数板的台面上，盖上专用盖玻片，查看精液是否分散均匀。

4、将放好精液样本的计数板放在显微镜载物台上或恒温板上固定。

5、点击“新建病例”输入病历信息等相关内容，输入完成点击“确定”。

取消病例点击“取消”
6、点击“活动显示”，选择放大倍数（软件选择放大倍数应与显微镜物镜一致，通常选择20倍）
7、调节显微镜直到在活动显示界面看到精子或杂质，调节微调将精子调黑便于软件捕捉（可以稍微模糊一点有利于捕捉精子）。

8、点击“计算分析”-“确定”后点活动图像界面，调节“新域值”后“重新分割”使视野精子都被捕捉上，被选入的杂质数目填入“圆细胞数”中，“开始分析”。

（如果漏选的精子较多，提高新域值10-20后重新分割；如果选中的杂质较多，降低新域值）9、点“是”进入下一视场分析，切换视野，重复计算分析直至计算的精子总数达200-300个（视野数在4个以上），点“否”得出报告，保存并打印报告。

一种有效的SAR图像分割与目标识别方法

2004年6月第26卷　第6期系统工程与电子技术Systems Engineering and E lectronicsJun 12004V ol 126　N o 16收稿日期:2003-04-12;修回日期:2003-11-11。

基金项目:国家自然科学基金(60272049;60372034);国家杰出青年科学基金(60325102)资助课题作者简介:韩萍(1966-),女,副教授,博士研究生,主要研究方向为数字信号处理及模式识别。

　文章编号:10012506X (2004)0620734204一种有效的SAR 图像分割与目标识别方法韩　萍,吴仁彪,蒋立辉(中国民航学院通信与信息处理研究所,天津300300)摘　要:在基于模板匹配的合成孔径雷达(synthetic aperture radar ,S AR )目标识别中,一个关键问题就是如何从带有杂波的S AR 图像中将目标正确分割出来,以便形成高质量的模板。

针对这一问题提出了一种基于对数变换的自适应S AR 图像分割方法并将其用于由美国国防高级研究计划署(Defense Advanced Research Project Agency ,DARPA )和空军研究室(Air F orce Research Laboratory ,AFR L )提供的实测S AR 目标图像识别中。

实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。

关键词:目标分割;模板匹配;合成孔径雷达;目标识别中图分类号:TP391.4;T N911.7 文献标识码:AE fficient SAR image segmentation and automatictarget recognition approachH AN Ping ,W U Ren 2biao ,J I ANGLi 2hui(Institute o f Communications and Information Processing ,Civil Aviation Univer sity o f China ,Tianjin 300300,China )Abstract :In the tem plate 2based S AR (synthetic aperture radar )target recognition ,a key problem is how to segment a target image from a noisy S AR image to form a high quality target tem plate.A sim ple and efficient target segmentation method is proposed and applied to the S AR target recognition.Experimental results with MST AR (m oving and stationary target acquisition and recognition )S AR data sets provided by the US DARPA/AFR L (Defense Advanced Research Projects Agency/Air F orce Research Laboratory )are presented to illustrate the perfor 2mance of the proposed approach.K ey w ords :target segmentation ;tem plate matching ;synthetic aperture radar ;target recognition1　引　言合成孔径雷达在军事领域的主要应用之一就是军事侦察,即发现和识别目标(如机场停机坪,导弹发射架,各种车辆、舰船、飞机等)以及伪装目标的检测与识别,这已成为目前国内外研究的热点课题[1]。

基于深度学习的多目标精子实时监测方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010921807.4(22)申请日 2020.09.04(71)申请人清华大学地址 100084 北京市海淀区清华园(72)发明人刘冉　闫一默　王卓然　张博翾　肖剑　(74)专利代理机构北京鸿元知识产权代理有限公司 11327代理人陈英俊　杨桦(51)Int.Cl.G06T 7/00(2017.01)G06T 7/246(2017.01)G06T 7/73(2017.01)G06N 3/08(2006.01)G06N 3/04(2006.01)(54)发明名称基于深度学习的多目标精子实时监测方法(57)摘要基于深度学习的多目标精子实时监测方法，属于精子检测技术领域。

包括以下步骤：(1)获取精子样本的实时图像数据；(2)通过SSD网络模型采样多层精子样本图像的特征图，使用CNN提取特征，分类与回归；(3)将数据传输至KCF跟踪器；(4)对于SSD监测精子目标丢失的部分，使用KCF跟踪器监测处于运动状态的目标，并更新结果；(5)使用卡尔曼滤波器分配跟踪器；(6)根据SSD监测到的位置与卡尔曼滤波器估算目标之间的距离，将该位置与KCF跟踪器匹配，得到多目标精子的实时监测数据。

本发明实现了对多个精子的实时监测和跟踪，可用于解决计算机辅助精子分析的“黑匣子”问题及应用于精子包浆注射环节中的精子跟踪提取。

权利要求书1页说明书6页附图2页CN 112150415 A 2020.12.29C N 112150415A1.基于深度学习的多目标精子实时监测方法，其特征在于，包括以下步骤：(1)获取精子样本的实时图像数据；(2)通过SSD网络模型均匀密集地采样多层精子样本图像的特征图，并使用卷积神经网络提取特征，然后进行分类与回归；(3)SSD网络模型监测到精子后，将数据传输至KCF跟踪器；(4)对于SSD网络模型监测精子目标丢失的部分，使用KCF跟踪器监测处于运动状态的目标，使结果进行自身更新；(5)使用卡尔曼滤波器基于过去的位置信息估计当前图帧中精子目标跟踪位置，并实现跟踪器的分配；(6)根据SSD网络模型监测到的位置与卡尔曼滤波器估算目标之间的距离，将该位置与KCF跟踪器进行匹配，得到多目标精子的实时监测数据。

一种新的精子图像分割与识别算法

一种新的精子图像分割与识别算法黄建灯【期刊名称】《计算机光盘软件与应用》【年(卷),期】2011(000)020【摘要】In this paper, the image characteristics of sperm movement from the target and background of the differences between category set,put forward a method based on maximum cross entropy thresholding segmentation algorithm for image segmentation,sperm, introducing constraints to filter to remove impurities,application of morphology in each sperm target displayed on digital marker.Experimental results show that,the method can achieve fast and accurate segmentation of sperm, and automatic statistic image sperm number.%本文针对精子运动图像特点，从目标和背景的类间差异性出发，提出了一种基于最大类间交叉熵准则的阈值化分割新算法，对精子图像进行分割，引入约束条件筛选去除杂质，应用形态学在每个精子目标上显示数字标记。

实验表明，该方法可以实现精子的快速准确分割，并自动统计出图像中精子的个数。

【总页数】2页(P152-152,154)【作者】黄建灯【作者单位】桂林电子科技大学信息科技学院,广西桂林541004【正文语种】中文【中图分类】TP391.41【相关文献】1.一种改进的大鼠精子图像分割及计数算法 [J], 任亚恒;温佩芝;黄文明;吴晓军;石俊涛2.一种密度聚类的染色精子医学图像识别算法 [J], 谭征;祝晓凤3.精子上游存活实验--一种新的判断精子质量的方法 [J], 孙宏跃;袁路;徐广立4.一种新的HOG特征人脸图像识别算法研究 [J], 伊力哈木·亚尔买买提5.一种新的人脸面部表情识别算法研究 [J], 伊力哈木·亚尔买买提;张伟因版权原因，仅展示原文概要，查看原文内容请购买。

改进的动物精子图像分割算法

改进的动物精子图像分割算法宋继清;黄文明;李寅威;邓珍荣【期刊名称】《计算机工程与设计》【年(卷),期】2012(033)011【摘要】动物精子图像分割在计算机辅助精子质量分析系统(CASA)中有着非常重要的作用,直接关系到精子质量检测的精度和速度.在总结最大类间方差(Otsu)算法利弊的基础上,对传统二维Otsu算法原理以及在动物精子图像分割过程中存在处理时间过长的问题进行了研究,提出了一种改进的二维Otsu图像分割算法,通过改变二维直方图的分块方式将二维最优阈值搜索变为一维最优阈值搜索,从而缩短寻找最优阈值的处理时间.实验结果表明,改进的分割算法可以有效降低算法复杂度和噪声干扰,实现动物精子图像快速、准确的分割.%Animal sperm image segmentation in the quality of computer-aided sperm analysis (CASA) system has a very important role, directly related to the accuracy and speed of sperm quality. Long processing time, the traditional two-dimensional Otsu algorithm principle, as well as in animal sperm image segmentation problem is studied on the basis of summing up the pros and cons of the Otsu Algorithm, which presents an improved image segmentation that transformed the one-dimensional optimal threshold search into the two-dimensional optimal threshold search by changing the block-division method of the two-dimensional histogram, thus reducing the processing time to find the optimal threshold. The experimental results show that the improved segmentation algorithm can effectively reduce thecomplexity of the algorithm and noise, animal sperm images fast, accurate segmentation.【总页数】5页(P4259-4263)【作者】宋继清;黄文明;李寅威;邓珍荣【作者单位】桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004【正文语种】中文【中图分类】TP391【相关文献】1.基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法 [J], 耿艳萍;郭小英;王华夏;陈磊;李雪梅2.三种图像分割算法的对比及图像分割方法的改进 [J], 朱俊杰;杜小平;范湘涛;郭华东3.最大方差比图像分割算法的一种改进——以前磁曲线图像为例 [J], 尚福华;纪延瑶;栾泊4.最大方差比图像分割算法的一种改进——以前磁曲线图像为例 [J], 尚福华;纪延瑶;栾泊5.一种改进的K-means聚类服装图像分割算法 [J], 高樱萍;宋丹;王雅静;张轩宇因版权原因，仅展示原文概要，查看原文内容请购买。

基于卡尔曼滤波改进的精子图像序列分割方法

基于卡尔曼滤波改进的精子图像序列分割方法余东;黄文明;温佩芝;宁如花;黄锦芳【期刊名称】《计算机工程与科学》【年(卷),期】2012(34)7【摘要】图像分割是精子图像识别的一项关键技术,在精子运动能力分析中起着至关重要的作用.本文对采集的连续精子图像序列进行灰度化、去噪等预处理后,采用Otsu算法对首幅动物精子图像二值化,对后续图像采用Kalman Filter确定二值化阈值范围,改进Otsu算法求出每一幅图像的适当阈值并进行二值化,缩短算法时间并能保证分割精度.应用形态学消除精子尾部和部分精子之间的粘连现象,通过计算和比较目标面积、形状因子,去除小颗粒杂质以及形状及灰度和精子相似的杂质,为精子运动能力检测提供高质量的分割图像.%Image segmentation in the analysis of sperm's motility plays an important role. Firstly,the collected sperm image sequence are carried out a pre-processing,such as graying and de-noising,then the first piece of pretreated sperm image's binarization using the Otsu algorithm and the threshold range of binarization of the subsequent images can be determined by the Kalman filter, which improves the Otsu algorithm to calculate the images' appropriate threshold and binarization under the predicated threshold range,and reduces time. In order to get high-quality segmentation images for the analysis of sperm's motility,we apply morphology to eliminate sperm tail and part of the phenomenon of sperm adhesion, and bycomparing with the area and shape factors to remove the tiny noisy particles and impurities in the sperm image.【总页数】5页(P104-108)【作者】余东;黄文明;温佩芝;宁如花;黄锦芳【作者单位】桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004;桂林电子科技大学计算机科学与工程学院,广西桂林541004【正文语种】中文【中图分类】TP391.41【相关文献】1.基于snake模型的IVUS图像序列三维分割方法 [J], 孙正;杨宇2.一种基于时空MRF的工业CT图像序列分割方法 [J], 程云勇;张定华;金炎芳;张顺利3.一种改进的交互式医学图像序列分割方法 [J], 罗希平;田捷4.基于改进的GAC模型的医学图像序列分割算法 [J], 张惠东;戴本祁;沈杨5.基于图像序列期望特征的阈值分割方法 [J], 尹沧涛;何平;戴鹏;张洪健因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

中图分类号：Ｔ３１１Ｐ９．４
文献标识码：Ａ＿
文章编号：１０— ５９（０１２ — １２００７９９２１）００５— ２
ＯｎｗｇｒｔｆｅＮｅＡｌｏｉｈｍｏ
ＳｅｍｍａｅＳｇｅｔｔｎａｄＲｅｏｎｔｎｐｒＩｇｅｍｎａｉｎｃｇｉｏｏｉ
Ａｂｓｒｃ：ｎｔｉａｅ，ｅｉａｅｃａａｔｒｓｉｓｏｆｓｒｏｅｅｒｍａｇｔｎｃｒｕｄｆｔｉｆｒｎｅｔｅｔａｔＩｈｓｐｐｒｔｇｈｒｃｅｉｔｃｍｍｖｍｎｔｆｏｔｔｒｅｄｂａｋｇｏｎｏｈｅｄｆｅｅｃｓｂｅｗｅｎｈｍｐｅｈｅａｃｔｇｏｙｓｔｔｆｒａｄａｍｅｈｄａｅｒｅ，ｏｗｒｐｕｔｏｂａｅｏｍａｉｓｄｎｘｍｕｍｃｏｓｅｔｏｙｈｅｈｄｎｇｅｒｓｎｒｐｔｒｓｏｌｉｓｇｍｅｔｔｏａｇｒｔｍｆｒｍａｅｎａｉｎｌｏｉｈｏｉｇｓｇｅｔｔｏ，ｐｅｍ，ｒｄｉｇｃｎｔａｎｓｔｌｒｔｅｏｅｉｅｍｎａｉｎｓｒｉｏｕｃｎｏｓｒｉｔｏｆｔｏｒｍｖｍｐｕｉｅ，ｐｌｃｔｏｆｍｏｐｈｏｙｉａｈｐｅａｇｔｄｓｌｙｅｎｔｉｅｒｔｓａｐｉａｉｎｏｒｏｌｇｎｅｃｓｒｔｒｅｉｐａｄｉｍｏｉｉａａｋｅ．ｐｅｉｎａｅｕｔｈｗｈｔｈｅｈｄｃｎａｃｉｖａｔａｃｕａｅｓｇｅｔｔｏｆｓｒ，ｎｕｏｔｃｎｄｇｔｌｍｒｒＥｘｒｍｅｔｌｒｓｌｓｓｏｔａ，ｅｍｔｏａｈｅｅｆｓｎｄａｃｒｔｅｍｎａｉｎｏｐｅａｄａｔｍａｉｔｍｓａｉｔｃｉａｐｒｍｂｅ．ｔｔｓｉｍｇｅｓｅｎｕｍｒＫｅｗｏｒｓＭａｉｕｒｓｎｒｐＴｈｅｈｏｄ；ｍａｅｓｇｍｅｔｔｎ；ｇｔｌｉｎｔｅｙｄ：ｘｍｍｃｏｓｅｔｏｙ；ｒｓｌＩｇｅｎａｉＤｉｉａｇａｕｏｓｒ
ＨｕｎｉｎｅｇａｇＪａｄｎ
（ｕｌｎｅｓｙｆｌｔｎｃｅｈｏｇ，ｓｔｔｆｎｏｍａｉｅｈｏｏｙＧｕｉ５１０，ｈｎ）ＧｉＵｉｒｉｅｒｉＴｃｎｌｙＩｔｕｅｏｆｒｔｎＴｃｎｌｇ，ｉ４０４ＣｉｉｎｖｔｏＥｃｏｏｎｉＩｏｌｎａΒιβλιοθήκη 一、概述
考虑到后验概率可能趋于零，会使上式中的对数项奇异化，在保证非负性的前提下将式（）做如下修正：２．
精子运动能力检测系统是计算机图像处理技术在医学辅助诊断领域的一项重要应用。精子运动图像经过生物显微镜放大后，由摄像头采集，经过图像采集卡转变成计算机可以处理的数字序列图像，然后由精子运动能力自动分析软件进行分析。计算机辅助精子运动能力自动分析主要包括帧内目标识别、帧间目标运动轨迹的跟踪、单个精子运动参数计算以及精子统计参数的计算。为了对精子运动目标的序列图像进行跟踪和识别，必须首先对单帧图像进行分割和识别。图像的分割是精子运动能力检测系统实现的基础。精子图像中只有背景和目标两种区域成份，所以图像分割的目的实际上是要把目标区域从背景区域中分离出来。由于要对每一帧图像进行分割，所以我们需要寻找一种快速有效的图像分割算法。二、精子运动图像特点由于精子图像直方图类似一个正态分布函数，拟合出其正态曲线，找到一个合适的分割点，以实现自适应分割。对于直方图特征不是很明显的样本图像，采用Ｏｓ闽值选取的方法并不能取ｔｕ得满意的效果而且计算时间复杂度高，因此，本文引入了最大类间交叉熵阈值化分割方法，能带来显著的识别率的提高。三、最大类间交叉熵阈值化分割
５１０）４０４
摘要：本文针对精子运动图像特点，从目标和背景的类间差异性出发，提出了一种基于最大类间交叉熵准则的阈值化分割新算法，对精子图像进行分割，引入约束条件筛选去除杂质，应用形态学在每个精子目标上显示数字标记。实验表明，该方法可以实现精子的快速准确分割，并自动统计出图像中精子的个数。关键词：最大类间交叉熵；阈值化；图像分割；数字标记
计算机光盘软件与应用
多媒体技术及应用ＣｍｕｅＤＳｆｗｒｎｐｌｃｔｏｓｏｐｔｒＣｏｔａｅａｄＡｐｉａｉｎ２１０１年第２Ｏ期
一
种新的精子图像分割与识别算法
黄建灯（林电子科技大学信息科技学院，广西桂林桂